Según informó The Decoder el 12 de octubre, los investigadores de Meta AI han propuesto un método basado en avisos, la cadena de verificación (CoVe), que puede reducir significativamente los problemas de alucinación en chatbots como ChatGPT. Con CoVe, el chatbot primero responde a las indicaciones y luego genera preguntas basadas en esos resultados para validar las declaraciones. Estas "preguntas de validación" se ejecutan como nuevas sugerencias independientes de la primera entrada para evitar que se tomen mensajes de error de la primera salida. Finalmente, el modelo de lenguaje valida la primera entrada en función de los hechos recopilados individualmente. Todas las pruebas se realizaron con Llama 65 B. La investigación del equipo de investigación mostró que había significativamente menos errores contenidos en las respuestas a las preguntas individuales, lo que permitió a CoVe mejorar significativamente el resultado final de la indicación. Para problemas basados en listas, CoVe puede duplicar con creces la tasa de precisión, lo que reduce en gran medida la tasa de error. Para escenarios de preguntas y respuestas más complejos, este método aún puede mejorar la tasa de precisión en un 23 %. Sin embargo, para contenido más largo, el equipo aún debe verificar si hay inconsistencias en las respuestas de validación.

Según un informe de Qubit del 24 de septiembre, Meta AI Laboratory propuso una solución de "divide y vencerás" al problema de las alucinaciones de los modelos grandes. Se informa que con esta solución, la precisión de la información generada por Llama-65 B se ha duplicado, superando incluso a ChatGPT. La “Cadena de Verificación” (CoVe) propuesta por Meta esta vez es un método de cadena similar a la “Cadena de Pensamiento” (CoT). La diferencia es que la cadena de pensamiento "paso a paso" se centra más en el razonamiento lógico, mientras que la cadena de verificación se centra más en información fáctica.

Odaily Planet Daily News Según el segundo informe publicado por FTX Debtors el lunes, el gasto en bienes raíces en las Bahamas superó los $243 millones. SBF ha gastado millones de dólares de clientes mixtos durante dos años en la compra de propiedades para los empleados y sus amigos y familiares, incluido un penthouse de seis habitaciones y 11,500 pies cuadrados en la comunidad turística de Albany, hogar de los fundadores de FTX y la residencia de los miembros del equipo Caroline Ellison, Nishad Singh y Gary Wang, entre otros. Entre ellos, la compra del inmueble llamado Albany Hive Unit costó más de 18 millones de dólares estadounidenses, y el sitio Old Fort Cove A costó más de 16 millones de dólares estadounidenses.